BAB 1

PENDAHULUAN

1.1. Latar Belakang

Sistem kendali adaptif merupakan sistem kendali yang mempunyai parameterparameter kendali yang dapat beradaptasi. Parameter-parameter kendali tersebut
beradaptasi terhadap perubahan kondisi lingkungan disekitarnya, seperti adanya gangguan,
serta perubahan karakter internal dari sistem yang dikendalikan. Penggunaan sistem
kendali adaptif menunjukkan peningkatan kinerja sistem karena suatu sistem umumnya
berada dalam situasi yang mengandung derau dan gangguan serta kondisi internal dan
eksternalnya mengandung ketidakpastian. Pernyataan tesis yang ingin dibuktikan pada
penelitian ini adalah untuk membuktikan bahwa algoritma kendali adaptif dapat menjamin
ketegaran kinerja dan ketegaran stabilitas sistem tak linier dan layak diimplementasikan
pada perangkat elektronis secara ekonomis. Sistem kendali adaptif telah banyak
diaplikasikan dalam berbagai bidang industri pengolahan bahan kimia, sistem
penerbangan, serta sistem otomotif. Dalam bidang pengolahan hasil bumi, Sistem Kendali
Adaptif banyak digunakan dalam industri pengolahan bubur kertas dan kertas (pulp and
paper). Peneltian ini akan membangun suatu algoritma aturan adaptasi yang lebih optimal
dan layak (feasible) diimplementasikan dalam perangkat elektronika serta dapat diterapkan
pada model kendalian (plant) tak linier.
Sistem kendali adaptif merupakan salah satu metodologi kendali yang modern yang
telah sukses digunakan dalam bidang industri pengolahan bahan kimia, industri
pengolahan produk-produk hasil bumi seperti pengolahan kertas dan bubur kertas (pulp
and paper [13,2]), pengolahan bahan dasar minyak CPO (crude-palm oil), industri
otomotif [13], kedokteran [13,5], dan bidang industri dirgantara [13,15,18] baik untuk
pengendalian penerbangan pesawat komersil maupun pesawat militer.
Kesuksesan aplikasi tersebut diikuti juga oleh perkembangan produk-produk
elektronika yang dikembangkan oleh perusahaan-perusahan elektronik, yang khusus
menangani pengolahan algoritma kendali adaptif. Dari kesuksesan aplikasi industri dan
perkembangan produk elektronika adaptif tersebut maka Jurusan Teknik Elektro
Universitas

Hasanuddin

Makassar

sebagai

wadah

untuk

mentransformasikan

perkembangan ilmu pengetahuan dan teknologi mengembangkan kuliah Topik khusus

Teknik Kendali dengan topik khusus Sistem Kendali Adaptif. Dalam perkembangan
selanjutnya kami tertantang untuk mengembangkan kuliah ini sebagai bahan penelitian
untuk selanjutnya melibatkan mahasiswa melalui penyelesaian skripsi.
1.2. Tujuan dan Manfaat Penelitian
Penelitian mempunyai tujuan khusus, tujuan umum, serta manfaat atau tujuan jangka
panjang sebagai berikut:
Tujuan Umum:
Meningkatkan keahlian

civitas

academica

(dosen dan mahasiswa)

dalam

meningkatkan keahlian dalam merancang dan menghasilkan produk elektronika.

Dari peningkatan keahlian tadi, diharapkan diikuti oleh pengembangan jiwa
kewirausahawan (enterpreunership) berbasis produk bagi dosen, mahasiswa dan
alumni.
Tujuan Khusus:
Menemukan proses komputasi aturan kendali adaptif yang optimal dan menjamin
ketegaran (robustness) stabilitas dan ketegaran kinerja untuk kendalian tak linier
yang dilinierisasi dan layak untuk diimplementasi secara praktis.
Mengimplementasikan sistem kendali adaptif dalam media perangkat elektronis dan
dapat diaplikasikan pada suatu proses kendalian tak linier. Beberapa algoritma
adaptasi sangat kompleks dan sulit diimplementasi dalam media elektronik.
Penelitian ini bertujuan untuk membangun algoritma yang lebih sederhana dan layak
diimplementasikan.
Tujuan Jangka Panjang:
Meningkatkan peran dosen, mahasiswa dan alumni dalam menjemput masalah yang
dihadapi oleh industri di Indonesia.
Meningkatkan peran civitas

academika dalam meningkatkan kesejahteraan

masyarakat melalui pengembangan sistem-sistem pengering produk-produk pertanian

untuk meningkatkan nilai jual produk-produk tersebut serta sistem pengawet
(pendingin) untuk mempertahankan kualitas hasil-hasil bumi sehingga dapat
dipasarkaan dalam jangka waktu lama. Umum sistem-sistem tersebut merupakan

proses yang tak linier dan memungkinkan dikendalikan dengan sistem kendali adaptif
dengan implementasi yang layak dan tidak terlalu mahal.
Hasil penelitian ini secara tidak langsung akan bermanfaat bagi peningkatan
kualitas proses belajar mengajar dimana Sistem Kendali Adaptif dapat dikembangkan
menjadi kuliah yang berorientasi pada pengembangan keahlian dan kompetensi
mahasiswa. Mahasiswa yang mempunyai jiwa kewirausahawan akan mempunyai bekal
dalam melihat problem nyata dalam masyarakat serta turut serta dalam pembangunan
nasional. Namun perlu ditekankan, penajaman visi pemerintah dan komitmen bangsa
adalah kunci sukses mereka dalam berbaur dalam masyarakat yang diidamkan.

BAB 2
TINJAUAN PUSTAKA

Beberapa bahan pustaka yang kami gunakan sebagai bahan acuan merupakan
artikel-artikel internasional [1,2,6,7,8,11,14,15,19] yang membahas tentang perkembangan
metodologi kendali adaptif. Pustaka yang lain berupa buku-buku referensi [9,13,18] yang
sangat relevan dan membahas prinsip-prinsip fundamental tentang sistem kendali adaptif.
Dari pustaka-pustaka tersebut maka kami dapat memberikan gambaran singkat tentang
sistem kendali adaptif seperti dibahas pada bagian-bagian berikut.
2.1. Ragam Metode Perancangan Kendali Adaptif
Pada dasarnya kendali adaptif adalah kendali tak linier, sehingga banyak digunakan
untuk mengendalikan sistem-sistem tak linier [4,11,13,18,19,21]. Dalam aplikasi industri
ada tiga buah model struktur kendali adaptif yang paling banyak digunakan, yaitu:
-

Kendali Penjadwalan Gain Adaptasi (Adaptif Gain Scheduling Control).

Kendali Adaptif Model Acuan (Model Reference Adaptif Control).

Kendali Adaptif Swa-Tala (Self-Tuning Adaptif Control).

Kendali penjadwalan gain adaptasi (PGA) merupakan kendali yang paling banyak

digunakan dalam industri pengolahan dan manufaktur. Kendali ini bekerja dengan
mengadaptasi gain kendali sesuai dengan perubahan kondisi operasi suatu proses di
industri. Kendali ini juga telah digunakan pada kendali penerbangan dimana gain kendali
berubah sesuai perubahan kondisi terbang. (Perhatikan Gambar 2.1).
Jadwal
Gain

Parameter
Pengendali

Kondisi
Operasi

Sinyal
Komando

Pengendali

Sinyal
Kendali

Kendalian

Output

Gambar 2.1: Kendali penjadwalan gain adaptasi.

Kendali adaptif model acuan (AMA) digunakan dalam sistem kendali untuk
memaksakan agar proses kendalian berperilaku seperti model acuan (model reference).

Pada kasus ini proses kendalian umumnya mempunyai karakteristik yang buruk seperti
tanggapan yang lambat dan kestabilan yang kurang mantap. Selain itu karakteristik proses
kendalian sering berubah-ubah bahkan terkadang menuju kondisis operasi yang tidak
stabil. Oleh karena itu kendali AMA dirancang agar proses kendalian mengikuti perilaku
model acuan yang mempunyai tanggapan yang lebih cepat dan kestabilan yang lebih
mantap. (Perhatikan Gambar 2.2).
ym

Model
Acuan

Mekanisme
Pengaturan

Parameter
Pengendali

uc

Pengendali

Sinyal
Kendali

Kendalian

Gambar 2.2: Kendali adaptif model acuan.

Kendali adaptif swa-tala (AST) merupakan sistem kendali yang mempunyai
parameter-parameter yang dapat ditala (dituning) sesuai dengan perubahan kondisi
eksternal dan internal proses kendalian. Sistem kendali AST mengestimasi parameterparameter proses kendalian secara on-line. Dari data hasil estimasi tersebut, parameter
kontroler ditala sedemikian hingga karakteristik proses kendalian menjadi lebih baik. Bila
parameter proses berubah akibat perubahan lingkungan operasi plant, maka estimasi
parameter juga berubah secara on-line, sehingga parameter kontroler ditala kembali
sedemikian hingga karakteristik yang diharapkan dapat dipertahankan. Studi implementasi
Kendali AST dapat dilihat pada [13,16]. (Perhatikan Gambar 2.3).
REGULATOR SWA-TALA
Spesifikasi

Parameter Proses

Perancangan
Pengendali

Estimasi

Parameter
Pengendali

uc

Pengendali

u
Sinyal
Kendali

y
Kendalian

Gambar 2.3: Kendali adaptif swa-tala.

2.2. Implementasi Elektronis Sistem Kendali Adaptif

Secara garis besar ada dua pilihan dalam mengimplementasikan sistem kendali
adaptif, yaitu dengan pengolahan sinyal analog dan sinyal digital [13,10,18]. Gambar 2.4
menunjukkan bagan opsi implementasi sistem kendali adaptif.
Implementasi
Implementasi Perangkat
Perangkat
Elektronik
Kendali
Elektronik Kendali Adaptif
Adaptif
Analog
Digital
Operational
Operational
Amplifier
Amplifier
(Op-Amp)
(Op-Amp)

Operational
Operational
Transconductance
Transconductance
Amplifier
Amplifier (OTA)
(OTA)

Software
Hardware

Standard
Standard
Logic
Logic Devices
Devices
(IC
54xx,74xx)
(IC 54xx,74xx)

ASIC
ASIC

Programmable
Programmable
Logic
Logic Device
Device
(CPLD
/
(CPLD / FPGA)
FPGA)

Personal
Personal
Computer
Computer
(PC
(PC))

Embedded
Embedded
Computer
Computer
(MicroController)
(MicroController)

Gambar 2.4: Opsi dalam implementasi sistem kendali elektronik.

Beberapa produk elektronik khusus untuk kendali adaptif yang telah dipasarkan antara
lain:

SattControl ECA40 dan Fisher Control DPR900

EXACT: kontroller adaptif yang dikembangkan oleh Foxboro.

Kontroller Temperatur Eurotherm, dikembangkan oleh Eurotherm, UK.

Kontroller Adaptif ABB tipe STAR1, STAR2 dan STAR3, dikembangkan oleh Asea
Brown Boveri.

MicroController Firstloop, dikembangkan oleh First Control Systems AB.

2.3. Kesuksesan Aplikasi Kendali Adaptif dalam Bidang Industri

Beberapa contoh aplikasi kendali adaptif yang telah sukses diterapkan dalam industri,
antara lain:

APLIKASI INDUSTRI PENGOLAHAN PRODUK PERTANIAN:

Industri Kertas dan Bubur Kertas (pulp and paper) [2,13] Kontrol pengering kertas
(pulp dryer), kontrol pembuatan bubuk kertas (pulp digester), kontrol ketebalan
kertas (rolling mill).
Industri Pengolahan CPO (crude-palm oil), yaitu bahan dasar minyak dari kelapa
sawit.
APLIKASI INDUSTRI PENGOLAHAN DAN REAKSI BAHAN KIMIA
Kontrol reaksi kimia dalam tabung reaktor [13,18]
Kontrol temperatur dalam kolom distilasi [13,18]
Industri Semen: pencampuran material mentah semen (cement raw material mixing).
APLIKASI PADA KENDALI PENERBANGAN (Flight Control)
Kendali lateral dan longitudinal pesawat terbang komersil [13, 15]
Kendali lateral dan longitudinal serta dinamika serang pesawat militer.
APLIKASI BIDANG OTOMOTIF
Kontrol rasio pencampuran antara bahan bakar-udara (air-fuel ratio),
Kontrol jelajah kendaraan (cruise control) untuk meningkatkan daya jelajah.
(Keduanya telah dikembangkan oleh Ford Motor Company sejak pertengahan 1980-an)
APLIKASI BIDANG KEDOKTERAN [5,13]
Sistem kendali Ultrafiltrasi, yang banyak membantu pasien yang mengalami
kerusakan ginjal. Dalam dialysis, darah dibersihkan dan kelebihan air dalam darah
diatur, serta electrolytes dalam darah dinormalisasi [13].
(Telah dikembangkan metode monitoring kendali aliran fluida darah oleh Gambro AB di
Lund, Swedia).
Sejauh ini studi literatur telah direalisasikan dengan merancang model aturan
kendali adaptif yang menjamin ketegaran stabilitas (stability robustness) dan ketegaran
kinerja (performance robustness) dari Sistem Kendali daptif Model Acuan (Model
Reference Adaptif Control) yang sangat banyak digunakan dalam aplikasi industri.

BAB 3
METODOLOGI PENELITIAN

3.1. Prosedur Pelaksanaan Penelitian

Secara garis besar metodologi penelitian yang dilakukan terdiri atas dua buah alur.
Alur penelitian pertama merupakan alur untuk perancangan pernyataan tesis hingga
ditemukan suatu model matematis untuk sistem kendali adaptif yang optimal dan mantap
disebut Alur Pembuktian Matematis (lihat Gambar 3.1). Alur kedua disebut alur tahap
implementasi dan aplikasi hingga dibuktikannya pernyataan tesis yang ditandai dengan
suksesnya hasil penerapan pada kendalian tak linier disebut Alur Pembuktian Praktis
(Lihat Gambar 3.2).
Penguasaan Teori Kendali

Studi Literatur

Bangun Pernyataan Tesis

Pembuktian dengan Analisis

Analisis Ketegaran Stabilitas
(Stability Robustness)

Analisis Ketegaran Kinerja

(Performance Robustness)

Verifikasi dengan
Simulasi Komputer

Masih ada
kesalahan

Sukses
Penetapan Model Matematis
Sistem Kendali Adaptif
Optimasi

Masih ada
kekurangan

Penetapan Model Matematis

Untuk Implementasi Praktis

Gambar 3.1: Alur Pembuktian Matematis dari Penelitian.

Studi literatur beberapa artikel internasional yang memuat paparan algoritma

kendali dan pemahaman teori kendali yang kuat merupakan dasar untuk membangun
Pernyataan Tesis pada penelitian ini. Analisis ketegaran kinerja dan ketegaran stabilitas
adalah dua kunci pokok dalam menilai hasil perancangan kendali modern. Analisis terus
dilakukan hingga hasil verifikasi dari simulasi dapat berjalan sukses. Dua buah jalur
umpanbalik pada Gambar 3.1 merupakan jalur evaluasi terhadap perancangan algoritma
untuk pembuktian matematis pada penelitian ini.
Bila hasil verifikasi model dengan simulasi komputer telah berhasil maka model
matematis tersebut akan dioptimasi dan dikaji hingga mempunyai kadar komputasi yang
layak diimplementasikan secara praktis pada perangkat elektronik. Bila tahap ini dilalui
dengan baik, maka alur penelitian akan beranjak pada alur pembuktian praktis seperti
terlihat pada Gambar 3.2.
Model Matematis
Untuk Implementasi Praktis

Implementasi Sistem Kendali

melalui Soft-Prototyping
Implementasi
Perangkat Elektronik Analog

Implementasi
Perangkat Elektronik Digital

Evaluasi Kelayakan (feasibility)

Dan Implementasi
Testing Perangkat
Elektronik
Sukses
Aplikasi Perangkat Elektronik ke
Kendalian Tak Linier

Masih ada
kesalahan

Masih ada
kesalahan

Sukses
Bangun
Kesimpulan

Gambar 3.2: Alur Pembuktian Praktis dari Penelitian

Pada tahap pembuktian praktis, dua hal pokok akan dikaji, yaitu implementasi
aturan kendali yang telah dioptimasi melalui media perangkat elektronik dan penerapan
perangkat tersebut pada proses kendalian tak linier. Pada Gambar 3.2 terlihat bahwa pada
9

tahap ini, terdapat dua buah jalur umpanbalik yang dipertimbangkan dengan tujuan untuk
mengevaluasi perkembangan penelitian.
Setelah testing rangkaian telah dilalui dengan baik, maka tibalah saatnya untuk
menjalani tahap penerapan pada proses kendalian tak linier. Penerapan ini merupakan
tahap akhir dari pembuktian teori secara praktis. Bila tahap ini dilalui dengan baik maka
kesimpulan akan dibangun untuk memberikan gambaran kuantitatif dan kualitatif terhadap
hasil penelitian.
3.2. Desain Kendalian Tak Linier
3.2.1. Pemodelan Sistem Pengatur Suhu Ruang
Pengatur suhu adalah suatu alat yang mampu mengubah besaran suhu menjadi
besaran listrik, baik berupa tegangan dan arus. Dari besaran tegangan ataupun arus inilah
yang nantinya akan dimanipulasi sehingga suhu dapat dibaca.
A. Model Fisik
Model fisik adalah deskripsi fisik dari karakteristik suatu sistem. Adapun model
fisik sistem ini :

R e la y

Fan

Vr
K o m p a ra to r

Ruangan
Suhu

<0
H e a te r

P e n y id ik S u h u

R uangan

>0

K e n d a lia n

Gambar 3.3. Diagram kendalian (plant) pengatur suhu ruang.

Di dalam miniatur ruangan dibagi atas tiga bagian rangkaian perangkat keras yang
utama antara lain:
1. Rangkaian Pemanas Ruangan (Heater).
2. Rangkaian Pembuang Panas (Fan).
3. Rangkaian Penyidik Suhu

10

B. Model Matematik
Model matematika terdiri dari simbol-simbol dan persamaan matematik untuk
menggambarkan sistem. Model diagram sistem adalah sebagai berikut :
R e la y
u (t)
V r (V o lt)

e (t)

-V

+a
+V

e (t)

u (t)

dt

T(t),C

-b

P e n y id i k
V o (t)

0 .0 1

Gambar 3.4. Bagan Kotak Sistem Pengatur Suhu Ruang

Apabila heater menyala, dianggap merupakan isyarat kendali u = +a (konstan),
maka keluaran T akan naik :
dT
a 0, T (t ) adt udt at T 0
dt

(3.1a)

Apabila kipas menyala, u = -b, maka suhu keluaran T akan turun.

dT
b 0, T (t ) bdt udt bt T (t1 )
dt

(3.1b)

Secara sederhana (tanpa sensor), sistem dapat digambarkan sebagai berikut:

e(t)

u(t)

T(t)

dt

-b

U(s)

T(s)

Gambar 3.5. Bagan Kotak Sistem Pengatur Suhu Ruang Tanpa Sensor
Nilai variabel dari a, b, v dan v dapat ditentukan dengan cara trial and error ataupun
dengan melalui pengukuran langsung. Apabila keluaran sistem bernilai a menunjukkan
11

bahwa heater on. Namun, bila bernilai b menunjukkan kipas on. Hasil simulasi yang
diharapkan :
t1 t2
UTP

Suhu akhir

T1

T2

LTP

Tergantung V

Suhu awal
T1

T2

Gambar 3.6. Tanggapan Sistem Pengatur Suhu Ruang

T1 tergantung nilai a = T1 / t1
T2 tergantung nilai b = T2 / t2
3.2.2. Pemodelan Sistem Pendulum Terbalik

y*
m

z
l

Gambar 3.7. Pendulum terbalik yang dipasang pada kereta yang digerakkan oleh motor
( Disalin dari Control System Design, B. Friedland )
Secara ilustratif, suatu pendulum terbalik seperti pada Gambar 3.7, terdiri dari dua bagian
utama yaitu :
a. Kereta beroda yang dapat bergerak ke arah kanan atau ke arah kiri.

12

b. Pendulum dengan tangkainya yang dipasangkan dibagian tengah atas kereta

yang dapat bergerak ke kiri dan ke kanan dengan membentuk sudut dengan arah
vertikal.
Tabel 3.1. Simbol dan keterangan model pendulum terbalik
Simbol
L
F

M
m
Y

Keterangan
Panjang pendulum terbalik
Gaya yang diberikan pada kereta
Posisi sudut pendulum terbalik
Massa kereta
Massa pendulum terbalik
Posisi pendulum terbalik pada bidang vertikal

Satuan
Meter
Newton
Radian
Kilogram
Kilogram
Meter

Sifat fisis pendulum terbalik itu akan jelas bilamana kereta diberi gaya dorong
sebesar F, sehingga akan timbul gerakan pada kereta bersama-sama dengan pendulum itu
sendiri. Dengan demikian terjadi proses pergerakan yang mendorong pendulum untuk
bergerak ke arah kiri kemudian ke kanan sebelum pada akhirnya mencapai titik
keseimbangan yaitu diambil pada saat pendulum berada pada posisi vertikal.
A. Model Fisik
Model fisik adalah deskripsi fisik dari karakteristik suatu sistem. Model fisik
pendulum terbalik dapat diturunkan berdasarkan prinsip-prinsip mekanika. Sebagaimana
terlihat pada Gambar 3.7, sasaran pengendalian adalah menjaga pendulum tersebut dalam
posisi vertikal. Pendulum sebetulnya tidak stabil dan mungkin jatuh ke segala arah. Tetapi
dalam hal ini untuk penyederhanaan, gerak pendulum hanya dibatasi dalam dua dimensi
sehingga pendulum terbalik tersebut bergerak pada dua arah derajat kebebasan yaitu gerak
kereta ke kiri ( y negatif ) dan bergerak ke kanan ( y positif ), serta gerak pendulum ke kiri
( negatif ) dan ke kanan ( positif ).
Jika pada kereta yang dimaksud kita beri gaya sebesar F, maka akan timbul energi
kinetik pada kereta dan sekaligus pada pendulum itu sendiri. Kereta hanya bergerak ke
arah horisontal, sehingga energi kinetik kereta (T1) adalah
T1

dimana

1
M y2
2

(3.1c)

adalah kecepatan perpindahan massa kereta. Karena pendulum itu sendiri dapat

bergerak horisontal dan vertikal, maka energi kinetik pada pendulum terbalik (T2) adalah :

13

1
T2 m( y 2 z 2 )
2

dimana

(3.1d)

adalah perpindahan gerakan horisontal pendulum pada posisi terhadap waktu

dan z adalah perpindahan ketinggian vertikal pendulum terbalik terhadap waktu dengan
y dan z masing-masing adalah:
y y sin
(3.2a)
z cos
Dengan demikian kecepatan gerakan horisontal pendulum pada posisi dan kecepatan
ketinggian vertikal pendulum adalah:

(3.2b)

y y cos

z sin
Jumlah total energi kinetik adalah:
T T1 T2

1
1
M y 2 m y 2 z 2
2
2

1
1
M y 2 m(( y cos ) 2 ( sin ) 2 )
2
2

1
1
2
M y m( y 2 y cos 2 (cos 2 sin 2 ))
2
2

1
1
M y m( y 2 y cos 2 2 )
2
2

(3.3)

Adapun energi potensial yang tersimpan dalam pendulum sebesar: V mgz

dimana ketinggian vertikal pendulum terbalik (z) adalah z cos sehingga energi
potensial pada pendulum dapat diketahui sebesar:
V mgz mgcos

(3.4)

B. Model Matematik
Deskripsi matematik dari karakteristik suatu sistem disebut model matematik.
Model matematika terdiri dari simbol-simbol dan persamaan matematika untuk
menggambarkan sistem.
Guna mendapatkan model matematik untuk model dari sistem pendulum terbalik
dapat digunakan persamaan Lagrange untuk gerak mekanik

14

dimana

L T V

L = Fungsi Lagrangian
T = Energi Kinetik
V = Energi Potensial

Dengan menggunakan persamaan (3.3) dan (3.4) diperoleh fungsi Lagrange berikut:
L T V

1
1
M y 2 m( y 2 2 y cos 2 2 ) mg cos
2
2

1 2
1
y M m m2 2 m y cos mg cos
2
2

(3.5)

Untuk menyamaratakan koordinat perlu diperhatikan gerakan translasi pendulum

(y) dan gerakan osilasi (), sebagai dua buah keluaran yang selalu berubah-ubah jika
diberikan gaya (F). Dengan memperhatikan komponen vertikal dan horisontal atau (y, ),
maka persamaan Lagrange untuk sistem ini adalah2:
Untuk gerak translasi

d L L

F
dt y y

(3.6)

Untuk gerak osilasi

d L L

0
dt

(3.7)

Dari persamaan (3.11) dapat diperoleh

L

M m y m cos

y
L
0
y

L
2

y
cos

L
mg sin m y sin

Dari persamaan (3.8) diperoleh bentuk persamaan sebagai berikut:

d
M m y m cos 0 F
dt

M m y m cos sin F

15

(3.8)

2
m

y
cos

mg

sin

y
sin 0

m y cos y sin m2 mg sin m y sin 0

(3.9)

Dengan mengacu pada model matematika yang diuraikan pada sub bab sebelumnya

d
dt

dapat diterapkan keadaan-keadaan sebagai berikut :

Isyarat masukan

u (t ) F

Isyarat keluaran

1(ty ) y
y(t)
( 2 ty )

x1 t
x t
2

Penunjukan peubah keadaan x t
x3 t

x 4 t

Penunjuk peubah keadaan jika dibawa ke dalam bentuk persamaan keadaan, maka ditulis:

x t
y


Dengan memasukkan penunjukan peubah keadaan pada persamaan (3.9) diperoleh:

M m x 3 m

x 4 cos x 2 x 2 sin x 2 u

m x 3 cos x 2 x1 x 2 sin x 2 m2 x 4 mg sin x 2 m x1 x 2 sin x 2 0

Dengan mensubtitusikan persamaan (3.10) di atas, diperoleh:

16

(3.10)

x1 x 3

x2 x4
1
u mg sin 2 x 2 mx 4 sin x 2
2
x3
M m sin 2 x 2
1
1
u cos x 2 mg sin 2 x 2 cos x 2 mx 4 sin 2 x 2 Mg sin x 2 mg sin 3 x 2

2
2
x4
M m sin 2 x 2
3.3. Metode Analisis

(3.11)

Algoritma kendali dibangun berdasarkan berbagai metode seperti metode gradient,

teorema Lyapunov, dan teorema passivitas yang cukup terkenal banyak digunakan pada
analisis kestabilan sistem dari sudut pandang input-output. Model acuan dibangun dengan
melakukan teknik linierisasi terhadap model tak linier dari sistem yang ingin dikendalikan.
Jadi aturan kendali dibangun dengan menggunakan sudut pandang model kendalian linier,
hasil linierisasi.
Setelah analisis dilakukan maka model matematis yang diperoleh akan diverifikasi
melalui simulasi komputer. Program MATLAB digunakan untuk mensimulasikan hasil
pemodelan. Hasil analisis belum dapat ditetapkan sebagai model aturan kendali adaptif
(akan diimplementasikan pada Mikrokontroller) sebelum dapat dibuktikan melalui
simulasi.

17

BAB 4
PEMBAHASAN HASIL PENELITIAN

Pada bagian ini, pembahasan mengenai hasil perancangan sistem kendali adaptif
model acuan untuk kendalian tak linier dibagi ke dalam dua buah model kendalian tak
linier, yaitu sistem pengendalian temperature ruang dan sistem pengendalian kestabilan
pendulum terbalik.
4.1. Sistem Kendali Adaptif Untuk Kendalian Suhu Ruang
Gambar 4.1 mengilustrasikan bentuk fisik sistem Pengatur Suhu Ruang:

Gambar 4.1 Konstruksi miniatur ruangan.

Keterangan Gambar Konstruksi Miniatur Ruangan:
i

= Termometer

ii = Penyidik suhu LM 335z

iii = Motor Listrik
iv = Pembuang Panas (Fan)
v

= Jendela

vi = Saklar Penyidik suhu

18

vii = Saklar Pembuang Panas (Fan)

viii = Saklar Pemanas ruangan (Heater)
ix = Saklar pengaturan tingkat pemanasan
Prosedur Pengukuran:
1. Menyiapkan kabel penghubung
2. Mencatat suhu ruangan
3. Meng-onkan Heater
4. Mencatat perubahan waktu yang terjadi sampai termometer menunjukkan suhu
40 oC.
5. Meng-offkan heater
6. Meng-onkan Fan
7. Mencatat perubahan waktu yang terjadi antara suhu 40 oC sampai 34 oC.
8. Meng-offkan fan
Dari pengukuran langsung pada sistem, diperoleh data-data pada Tabel 4.1 berikut:
Tabel 4.1

Data-Data Pengukuran Sistem Pengatur Suhu Ruang

Suhu Awal To(oC)

34
40

Suhu Akhir

Waktu

Ta(oC)
40
34

(detik)
16,41
279

Sehingga dapat dihitung nilai-nilai berikut:

Ta To 40 34

0,366 C
dtk
t
16,41

T Ta 40 34
b o

0,021 C
dtk
t
279

19

Keterangan
Heater on
Fan on

V o (t)

Pada
L u a ra n
P e n y id ik

Vr

V o (0 )

u ( t)
+a
Pada
L u a ra n
R e la y

t
-b

Fan
O N

H e a te r
O N

Gambar 4.2. Diagram Waktu Tegangan Terukur pada Pengendali dan Relay
Dari gambar di atas dapat dilihat bahwa besarnya tegangan keluaran pada relay dapat
dinyatakan melalui persamaan berikut:
UTP = Vr + V

dan

LTP = Vr V

Gambar 4.3 memperlihatkan sebuah model linier kendalian sistem pengatur suhu
ruang. Model tersebut diturunkan dari model pada Gambar 3.4 dengan menggunakan
teknik pendekatan describing function yang secara detil dibahas pada Apendiks A dari
laporan teknis penelitian ini.

V in ( s )

E(s)
-

K
s 1
A c u a n lin ie r

Vo(s)

U(s)

1
s

T(s)

In t e g r a t o r

G a in

0 .0 1

Gambar 4.3. Model simulink perbandingan sistem pengatur suhu ruang untuk model linier
dan nonlinier dari kendalian.
20

Dari diagram model simulink pada Gambar 4.3, model fungsi alih dari model acuan
untuk sistem kendali adaptif diperoleh sebagai berikut:
0.01K
Ym s
0.01K
0.01K 1
s 1 s

U C s 1 0.01K
s 2 s 0.01K s 2 1s 0.01K 1
s 1 s

(4.1a)

Yang dari Gambar 4.3, terlihat bahwa K=1 dan =50. Sehingga (4.1a) dapat ditulis sebagai
Ym s
0.0002
2
U C s s 0.02 s 0.0002

(4.1b)

SUHU (CELCIUS)

100
80
60
40
20

SELISIH SUHU MODEL

Model tak linier

Model linier

500

1000

1500

2000

2500

3000

500

1000

1500
Waktu (detik)

2000

2500

3000

0.3
0.2
0.1
0
-0.1
-0.2

Gambar 4.4. Hasil simulasi perbandingan output plant (y), dan model acuan (ym) dan error
(e). Pengukuran dilakukan pada output sensor dengan K=1, dan T=80.
Gambar 4.4 menunjukkan hasil simulasi perbandingan model acuan linier dengan
model tak linier pendulum terbalik untuk nilai K=1 dan =80. Sedangkan Gambar 4.5
adalah hasil lain dengan K=1 dan =50. Dari kedua hasil simulasi nampak bahwa model
acual linier dengan =50 lebih memenuhi spesifikasi tanggapan suhu yang diharapkan
karena memiliki riak (overshoot) yang lebih kecil. Pemilihan nilai T dilakukan dengan
eksperimen langsung melalui simulasi Matlab/Simulink.

21

SUHU (CELCIUS)

100
80
60
40
20

SELISIH SUHU MODEL

Model tak linier

Model linier

500

1000

1500

2000

2500

3000

500

1000

1500
Waktu (detik)

2000

2500

3000

0.2
0.1
0
-0.1
-0.2

Gambar 4.5. Hasil simulasi perbandingan output plant (y), dan model acuan (ym) dan error
(e). Pengukuran dilakukan pada output sensor dengan K=1, dan T=50.
Pada keluaran plant terlihat bahwa a menunjukkan perbandingan interval kenaikan
suhu terhadap waktu ketika heater on dan b menunjukkan perbandingan interval
penurunan suhu terhadap waktu ketika fan on. Dari Tabel 4.1 dapat dilihat T dan t ketika
heater/fan on sehingga diperoleh nilai a = 0,366 dan b = 0,021. Dengan melihat kedua nilai
tersebut dapat disimpulkan bahwa lama waktu kenaikan suhu ketika heater on lebih cepat
daripada penurunan suhu ketika fan on.
Ketidaklinearan on-off dengan histeresis yang terjadi akibat penggunaan relay yang
menghasilkan limit cycle pada kurva keluaran plant. Pada umumnya, sistem kontrol
tidak boleh memiliki perilaku limit cycle, meskipun limit cycle dengan amplitudo
kecil dalam suatu penerapan tertentu. Oleh karena itu, dirancang suatu model acuan yang
menghasilkan keluaran yang stabil.

4.1.1 Perancangan Model Aturan Kendali Adaptif Model Acuan

Model simulasi untuk aturan kendali adaptif model acuan ditunjukkan pada Gambar
4.6 yang dirancang menggunakan aturan aturan MIT (metode Gradient). Model tersebut
diturunkan dari hasil perhitungan aturan adaptasi dengan menggunakan metode gradient,
yaitu bahwa untuk meminimalkan fungsi biaya
J

1 2
e
2

(4.2a)

22

maka cukup beralasan untuk mengubah parameter kendali dalam arah negatif terhadap
gradien J, yaitu,
d
J
e

e
dt

(4.2b)

Koefisien adalah koefisien laju adaptasi. Turunan parsial e/ disebut juga

turunan sensivitas yang menunjukkan sensivitas kesalahan terhadap perubahan
parameter yang berubah secara adaptif. Jika dianggap bahwa perubahan parameter lebih
lambat daripada variabel lain dalam sistem, maka turunan e/ dapat dievaluasi dengan
anggapan bahwa adalah konstan.
Selanjutanya pada subbab ini akan kita bahas mengenai kendali adaptif model acuan
untuk sistem orde-dua berdasarkan aturan MIT (sesuai pendekatan orde-2 dari kendalian
pengatur suhu ruang). Tinjau suatu sistem dengan model persamaan berikut:
d2y
dy
a1
a2 y bu
2
dt
dt

(4.2c)

Aturan kendali akan dirancang sedemikian sehingga mengikuti model acuan berikut:

d 2 ym
dy
am1 m am 2 ym bmuc
2
dt
dt

(4.2d)

Dengan struktur kendali sebagai berikut:

u 1 u c 2 y 3 y

(4.2e)

Seperti pada cara sebelumnya, maka pertama kita akan menurunkan persamaan kesalahan
yang mengandung parameter kendali 1, 2, dan 3 dengan mensubstitusi (4.2e) ke dalam
(4.2c),

e y ym

b1
uc ym
s a1 b 3 s a2 b 2

(4.2f)

Selanjutnya diperoleh turunan persamaan kesalahan terhadap parameter 1

e
b
2
uc
1 s a1 b 3 s a 2 b 2

23

(4.2g)

Turunan persamaan kesalahan terhadap parameter 2 adalah

b 2 1
e

u
2
s 2 a1 b 3 s a2 b 2 2 c

s 2 a1 b 3 s a 2 b 2

(4.2h)

Dan akhirnya turunan persamaan kesalahan terhadap parameter 3 diperoleh

b 2 1 s
e

u
3
s 2 a1 b 3 s a2 b 2 2 c

s 2 a1 b 3 s a 2 b 2

(4.2i)

Persamaan (4.2l) belum dapat digunakan karena masih mengandung parameter a1, a2,
dan b yang pada dasarnya tidak diketahui secara pasti. Oleh karena diperlukan suatu
pendekatan khusus dengan cara menyisipkan (4.2e) ke dalam (4.2c) serta diikuti dengan
menyamakan nilai masing-masing koefisien dari variabel-variabel persamaan (4.2c) dan
(4.2d). Maka diperoleh bahwa untuk dapat memaksakan model proses dapat mengikuti
model acuan, nilai-nilai parameter kendalinya adalah
bm
b
a
a2
20 m 2
b
a a
30 m1 1
b

10

(4.2j)

Sehingga diperoleh hasil pendekatan bahwa

s 2 a1 b 3 s a 2 b 2 s 2 a m1 s a m 2

(4.2k)

Sehingga persamaan adaptasi parameter kendali masing-masing adalah:

d 1
b
2
dt
s a m1 s a m 2

d 2
b
2
dt
s a m1 s a m 2

d 3
b
2
dt
s a m1 s a m 2

24

u c e

y e

y e

(4.2l)

Nampak bahwa parameter b masih muncul. Dengan mensubstitusi = bm/b maka

diperoleh:

d 1

dt

d 2

dt
d 3

dt

bm
s2 a s a
m1
m2

bm
s a m1 s a m 2

uc e

y e

(4.2m)

bm
y e
2
s

a
s

a
m1
m2

Gambar 4.6 menunjukkan hasil rancangan arsitektur sistem kendali adaptif model
acuan berbasis teori Lypaunov berdasarkan persamaan aturan adaptasi parameter kendali
(4.2m), model acuan (4.2d) dan persamaan aturan kendali (4.2e).

V in = u i
R e la y

S t r u k t u r K e n d a li
Uc 1Vin 2 u(t) 3 Vo(t)

g
s

g
s

Vr
( V o lt)

u ( t)

e (t
)

+-

+a
+V

-V

e (t)

u (t)

dt

(t),
T

-b

U c=V r

P e n y id ik
V o (t)

g
s

0 .0 1

K e n d a li a n T a k L i n i e r
X

T(s)

1
s

U(s)

E(s)

K
s 1

-+

u (t)

Vo(s)

0 .0 1
G a in

M o d e l A c u a n L in ie r

V in ( s )

+-

E(s)

K
s 1

U(s)

Vo(s)

1
s

T(s)

T(s)

0 .0 1

1
s

U(s)

K
s 1

-+

V o (t)

Vo(s)

0 .0 1

G a in

E(s)

G a in

M o d e l A c u a n L in ie r

M o d e l A c u a n L in ie r

Gambar 4.6. Pemodelan Kendali Adaptif Model Acuan pada sistem kendali suhu ruang
dengan metode gradient.
25

4.1.2. Hasil Simulasi

Simulasi yang dilakukan pada bagian ini dilakukan dengan memberi dua jenis
masukan ke dalam sistem, yaitu masukan undak dan masukan sinusoidal. Gambar 4.7 4.9
menunjukkan hasil simulasi dengan masukan undak 0.8 satuan, sedangkan Gambar 4.10
dan 4.11 menunjukkan hasil yang lain dengan masukan sinusoidal. Kedua hasil telah
menunjukkan bahwa kendali adaptif mampu membuat pita pergerakan suhu udara dalam
ruang menjadi lebih tipis dibandingkan bila tidak menggunakan kendali adaptif. Pada
setiap gambar simulasi juga terlihat bagaimana sinyal kendali bekerja dan efeknya
terhadap sinyal keluaran rele. Dalam hal ini rele elektronis mengeluarkan sinyal on
(yang berarti pemanas bekerja, kipas diam) atau off (yang berarti pemanas berhenti,

Eror

Output Sensor

kipas berputar).
1
0.5
0

model acuan
dengan kendali
0

0.2
0
-0.2
-0.4

1000

1500

eror dengan kendali

0

500

1000

1500

2000

2500

3000

3500

4000

4500

5000

3000

3500

4000

4500

5000

3000

3500

4000

4500

5000

2000 2500 3000

Waktu (detik)

3500

4000

4500

5000

eror tanpa kendali

2000

2500

10

u & Outrele

Parameter

500

tanpa kendali

teta1

0
1

500

1000

teta2
1500

teta3
2000

2500

0
-1
-2

sinyal kendali
0

500

1000

output rele
1500

Gambar 4.7. Hasil simulasi sistem kendali adaptif model acuan dengan masukan sinyal
tegangan undak 0.8V untuk masing-masing dari atas ke bawah. Sinyal output
kendalian dan model acuan. Sinyal kesalahan kendalian dan model acuan.
Parameter-parameter pengendali. Sinyal kendali dan output rele. (Laju
adaptasi =0.1, kondisi awal parameter pengendali [(0)]=[0,15,0]).
Sistem pengatur suhu ruang menanggapi proses pemanasan dengan cepat, dan
menanggapi proses pendinginan dengan lambat. Hal inilah yang menyebabkan sistem ini
hanya mampu menanggapi dengan baik sinyal komando sinusoidal dengan frekuensi
tertentu. Fenomena ni ditunjukkan pada hasil simulasi Gambar 4.10 dan 4.11.

26

Output Sensor

1
0.5
0

Eror

0.4

tanpa kendali

model acuan
dengan kendali
0

500

1000

1500

eror dengan kendali

0.2

2000

2500

3000

3500

4000

4500

5000

3000

3500

4000

4500

5000

3000

3500

4000

4500

5000

2000 2500 3000

Waktu (detik)

3500

4000

4500

5000

eror tanpa kendali

0
20

500

10

u & Outrele

Parameter

-0.2

0
2

1000
teta1

500

1500

teta2

1000

1500

2500

teta3
2000

2500

sinyal kendali

1
0
-1

2000

output rele
0

500

1000

1500

Output Sensor

Gambar 4.8. Hasil simulasi sistem kendali adaptif model acuan seperti pada Gambar 4.7
(Laju adaptasi =0.1, kondisi awal parameter pengendali [(0)]=[17,15,0]).
1
0.5
0

Eror

0.4

dgn kendali adaptif

model acuan
0

500

1500

tanpa kendali

0
0
15
10
5
0

u & Outrele

Parameter

1000

dgn kendali adaptif

0.2

tanpa kendali

3
2
1
0
-1

500
teta1

teta2
500

sinyal kendali

1000

500

1500

teta3
1000

1500

1000

1500

output rele

Waktu (detik)

Gambar 4.9 Hasil simulasi sistem kendali adaptif model acuan seperti pada Gambar 4.8
dengan rentang waktu yang diperkecil (Laju adaptasi =0.12, kondisi awal
parameter pengendali [(0)]=[17,15,0]).

27

Output Sensor

model acuan
dgn kendali adaptif

0.5
0
0.4

tanpa kendali
0

10000

dgn kendali adaptif

0.2

Eror

5000

15000

tanpa kendali

u & Outrele

Parameter

-0.2
6
4

5000

5000

10000

15000

10000

15000

10000

15000

2
0
1

sinyal kendali

0
-1

output rele
0

5000

Waktu (detik)

O utp ut S en s o r

Gambar 4.10. Hasil simulasi sistem kendali adaptif model acuan seperti pada Gambar 4.9
dengan tegangan input sinusoidal 10-4 Hz (Laju adaptasi =0.1, kondisi awal
parameter pengendali [(0)]=[4.5,5,0]).
1

tanpa kendali

0.5
0

E ro r

0.5

dgn kendali
adaptif

model acuan
0

2000

4000

6000

8000

10000

12000

ou tpu t rele s iny al k e nd ali P a ram ete r

40

tanpa kendali

dgn kendali adaptif

-0.5
0

2000

4000

6000

8000

10000

12000

teta2

20

teta1

teta3

0
0

2000

4000

6000

8000

10000

12000

2000

4000

6000

8000

10000

12000

2000

4000

6000
Waktu (detik)

8000

10000

12000

0
-5

-10

0.4
0.2
0

28

Gambar 4.11. Hasil simulasi sistem kendali adaptif model acuan seperti pada Gambar 4.10
dengan tegangan input sinusoidal 2x10-4 Hz.
4.2. Sistem Kendali Adaptif Untuk Kendalian Pendulum Terbalik
4.2.1. Linierisasi Model Tak Linier ke dalam Bentuk Model Linier
Persamaan (3.11) adalah persamaan non-linier, sehingga prosedur untuk mencari
jawab persoalan yang melibatkan sistem non-linier tersebut sangat kompleks. Oleh sebab
itu untuk menyederhanakan analisis perlu diadakan liniearisasi. Liniearisasi model
matematik non linier adalah penggambaran suatu sistem yang akan membentuk persamaan
matematika non linier menjadi persamaan matematik linier. Liniearisasi dapat dilakukan
dengan beberapa cara, antara lain dengan menganggap bahwa sudutnya () adalah kecil,
dan dengan cara menggunakan deret Taylor.
A. Teknik I
Apabila pendulum terbalik distabilkan dan tidak ada gesekan pada titik tumpu dan
setiap roda kereta, juga sudut adalah kecil, sedemikian rupa maka:
sin x 2 x 2
cos x 2 1
Maka dari persamaan (3.10) diperoleh

M m x 3 m x 4 u

(4.3a)

m x 3 m x 4 mgx 2 0
Dengan mensubtitusikan persamaan (4.3a) diatas, maka diperoleh
u mg
x2

M M

u M m g
x2
x4

M
M

x3

(4.3b)

Dari persamaan (4.3b) akan diperoleh persamaan keadaan yang secara serempak dapat
dinyatakan dalam notasi vektor matriks:

0
0

x1
x
2

x3
x4

0
0
mg
0

M m g

0
M

1 0
0
x1

0 1 0
x2
1
u
0 0
x3 M
1
0 0 x4

M
29

(4.3c)

Secara umum dapat dituliskan sebagai persamaan keadaan x Ax Bu dan

persamaan keluaran y = Cx dengan
0
0

A 0

0
0
mg

M
M m g
M

1 0
0 1
0 0

0 0

0
0
1

M
1

1 0 0 0
C

0 1 0 0

B. Teknik II
Dari empat persamaan keadaan (3.11) ada dua persamaan dinamik yang non-linier,
yaitu masing-masing

x 3 f x1 , x 2 , x 3 , x 4

x 4 f x1 , x 2 , x 3 , x 4

(4.4a)

Upaya untuk memperoleh pendekatan linier pada sistem non-linier ini dapat
diselesaikan dengan menguraikan persamaan:

dx1
a11 t x1 ...a1k t x k b11 t u1 ...b1k y u1
dt

xk

dx k
a k1 t x1 ...a k k t x k bk1 t u1 ...bk1 t u1
dt

(4.4b)

menjadi deret Taylor di sekitar titik kerja ( x1 , x 2 , x 3 , x 4 ) . Selanjutnya persamaan (4.4b)

menjadi:

f 3
f
f
f
x1 x1 3 x 2 x 2 3 x 3 x 3 3 x 4 x 4
x1
x 2
x 3
x 4

f
f 4
f
f
x1 x1 4 x 2 x 2 4 x 3 x 3 4 x x 4 x 4
x1
x 2
x 3
x 4

x 3 f 3 x1 , x 2 , x 3 , x 4
x 4 f 4 x1 , x 2 , x 3 , x 4

(4.5)

Dimana turunan parsial di hitung pada x1 x1 , x 2 x 2 , x 3 x 3 , x 4 x 4 , bentuk-bentuk

orde-orde tinggi dapat diabaikan. Dengan liniearisasi persamaan non-linier titik kerja
normal selanjutnya diperoleh persamaan:

30

D x

x D x

x D x

x D x

x 3 x 3 D1 x1 x1 D 2 x 2 x 2 D3 x 3 x 3 D 4 x 4 x 4
x4 x4

(4.6a)

dimana:
*

x 3 f 3 x1 , x 2 , x 3 , x 4

f 3
x1

D1

x 0

x 0

f
D3 3
x3

x 0

f 3
x4

x 0

D4

mg
M

f 4
x1

0
(4.6d)

x 0

x 0

f 4
x 3

x0

f 4
D4
x 4

x 0

D3

u
M

f 4
x 2

D2

(4.6c)

* x4 f 3 ( x1 , x2 , x3 , x4 )
D1

(4.6b)

f 3
x2

D2

u
M

( M m) g
M

(4.6e)
0

Sehingga dari persamaan (4.6a) akan diperoleh:

x3

u
mg

( x2 )
M
M

x4

(4.6f)

u
( M m) g

( x2 )
M
M

Dari persamaan (4.6) akan diperoleh persamaan keadaan yang secara serentak
dalam notasi vektor matriks dapat dituliskan:

31

0
0

x1
x
2

x 4 0

x3

0
0
mg

M
M m g
M

1 0
0
x1

0 1
0

x2
1
u
0 0
x 3 M
1

0 0 x 4
M

(4.7a)

Dengan demikian, maka dengan cara ini persamaan keadaan untuk model linier
sistem pendulum terbalik dapat diturunkan dengan Teknik Deret Taylor.
Dengan demikian liniearisasi baik dengan cara I maupun cara II telah menghasilkan
model linier sistem pendulum terbalik yang dapat dituliskan sebagai persamaan keadaan

x Ax Bu dan persamaan keluaran y = Cx dimana

0
0

A 0

1 0

0
mg

M
M m g
M

0 1
0 0

0 0

0
0
1

M
1

(4.7b)

1 0 0 0
C

0 1 0 0
4.2.2. Stabilisasi Model Linier Tak Stabil
Dengan parameter-parameter sebagai berikut:
M = 2,4 kg, m = 0,23 kg, = 0,36 m, g = 9,8 m/dtk2
diperoleh nilai untuk peubah-peubah dalam model nonlinier dan linier sistem pendulum
terbalik. Untuk memperoleh suatu model linier yang stabil, maka digunakan umpan-balik
peubah keadaan berupa x1 dengan K1, x2 dengan K2, x3 dengan K3 dan x4 dengan K4.
Dengan matriks K berupa umpan balik dari sistem kalang tertutup, maka diperoleh
bentuk persamaan matriks kalang tertutup (Ac1). Dengan demikian diperoleh persamaan
karakteristik kalang tertutup sistem seperti pada bentuk persamaan (4.8), yaitu :

Q() =

0 0 0
0 0 0 0 0 0
0 0 0

0
0 1 0
0
0 0 1
0 -0,94 0 0
0 29,83 0 0

0
0
[K1 K2 K3 K4]
0,42
-1,16

Q() = 4+(-0,42K3+1,16K4)3+(-0,42K1+1,16K2-29,83)2+(11,44K3)+12,13K1 = 0 (4.8)

32

Pada persamaan (4.8), dapat diketahui kestabilan nilai K, dengan menggunakan syarat
kestabilan Routh, dengan cara menyusun koefisien untuk persamaan (4.8), sebagai berikut:
S4 :

-0,42K1+1,16K2 29,83

S3 : -0,42K3+1,16K4

11,44K3

12,13K1
0

11,44K3
S2 : (-0,42K1+1,16K229,83)-

12,13K1
(-0,42K3+1,16K4)

(-0,42K3+1,16K4)12,13K1
S1 : 11,44K3
11,44K3
(-0,42K1+1,16K2-29,83 -

)
-0,42K3+1,16K4

S0 : 12,13K1

Agar stabil, syarat pertama adalah semua koefisien Q() harus bernilai positif:
K1 > 0
K3 >0
K2 > K1 +29,83
K4 > K3
Syarat kedua, kolom pertama dari Tabel Routh harus positif, yaitu
S3 : K4 > 0,42/1,16 K3
S :

11,44K3

< (-0,42K1+1,16K2-29,83)
-0,42K3+1,16K4
(-0,42K3+1,16K4)12,13K1

S1 :

< 11,44K3
12,13K1
(-0,42K1+1,16K2 29,83 -

)
-0,42K3+1,16K4

S0 :

K1 > 0

Dengan mengambil contoh 1 = 10 + i, 2 = 10 i dan 3 = 4 = -0.5, maka diperoleh

Q() = ( + 10 + i ) ( +10 i) ( + 0.5) ( + 0.5)
= 4 + 21 3 + 121.25 2 +106 + 25.25

33

(4.9)

Dengan mensubtitusikan persamaan (4.9) ke persamaan (4.8), maka akan diperoleh nilai
sebagai berikut:
-0,42K3 + 1,16K4 = 21
-0,42K1 + 1,16K2 29,83 = 121.25
11,44K3 = 106

(4.10)

12,13K1 = 25.25
Dengan demikian harga umpan balik keadaan K1, K2, K3, dan K4 adalah sebagai berikut:
K1 = 2,08
K2 = 130,99
K3 = 9,27
K4 = 21,46
Dengan demikian diperoleh tanggapan keluaran dari sistem berupa grafik yang terdiri
dari keluaran berupa posisi kereta, posisi sudut pendulum, kecepatan posisi kereta dan
kecepatan sudut pendulum terbalik.

posisi kereta (m)

50
40
30
20
10
0

10

Waktu(detik)

Gambar 4.12. Hasil simulasi model nonlinier pendulum berupa posisi kereta terhadap
masukan tangga satuan tanpa pengendali.

posisi sudut pend (rad)

5
4
3
2
1

10

Waktu(detik)

Gambar 4.13. Hasil simulasi model nonlinier pendulum berupa posisi sudut pendulum
terhadap masukan tangga satuan tanpa pengendali.

34

kec.posisi kereta (m/dtk)

7
6
5
4
3
2

4
5
6
Waktu(detik)

10

Gambar 4.14 Hasil simulasi model nonlinier pendulum berupa kecepatan posisi kereta
terhadap masukan tangga satuan tanpa pengendali.

kec.sudut pend (rad/detik)

5
4
3
2
1

4
5
6
Waktu(detik)

10

Gambar 4.15 Hasil simulasi model nonlinier pendulum berupa kecepatan sudut
pendulum terhadap masukan tangga satuan tanpa pengendali.

Pada Gambar 4.12 sampai Gambar 4.15 terlihat, baik itu posisi kereta, posisi sudut
pendulum, kecepatan posisi kereta dan kecepatan sudut pendulum tidak mencapai
kestabilan. Hal ini disebabkan model nonlinier yang dipergunakan pada persamaan 3.11
dan juga tidak memenuhi syarat kestabilan, yaitu terdapat akar persamaan karakteristik di
sebelah kanan bidang kompleks. Oleh karena itu,

dirancang suatu cara untuk

menstabilkannya yaitu dengan umpan-balik status. Hasil simulasi terlihat pada Gambar
4.16 sampai Gambar 4.19. Namun demikian dari hasil simulasi, kendali umpanbalik status
(full-state feedback control) tidak dapat menstabilkan sistem non linier dari pendulum
terbalik.

35

posisi kereta (m)

500
400
300
200
100
0

10

Waktu(detik)

Gambar 4.16. Hasil simulasi model linier pendulum berupa posisi kereta terhadap
masukan tangga satuan dengan pengendali umpanbalik status.

posisi sudut pend (rad)

5
4
3
2
1

10

Waktu(detik)

kecepatan posisi kereta (m/dtk)

Gambar 4.17. Hasil simulasi model linier pendulum berupa posisi sudut pendulum
terhadap masukan tangga satuan dengan pengendali umpanbalik status.
100
80
60
40
20
0

10

Waktu(detik)
Gambar 4.18. Hasil simulasi model linier pendulum berupa kecepatan posisi kereta
terhadap masukan tangga satuan dengan pengendali umpanbalik status.

36

kec.sudut pend (rad/dtk)

40
20
0
-20
-40

10

Waktu(detik)
Gambar 4.19. Hasil simulasi model linier pendulum berupa kecepatan sudut pendulum
terhadap masukan tangga satuan dengan pengendali umpanbalik status.
Ternyata kendali umpan-balik status tidak dapat menstabilkan model nonlinier dari
pendulum, maka dirancanglah suatu mekanisme adaptasi sistem kendali adaptif model
acuan dan dapat dilihat hasil simulasinya pada Gambar 4.21 sampai Gambar 4.24.
4.2.3. Perancangan Aturan Kendali Adaptif Model Acuan
A. Penurunan dari Bentuk Umum Persamaan Ruang Keadaan
Perhatikan model persamaan ruang keadaan proses berikut:
dx
Ax Bu
dt

(4.11)

Diharapkan untuk merancang aturan kendali sehingga model proses mengikuti perilaku
model acuan berikut:
dx m
Ax m B m u c
dt

(4.12)

Bentuk umum kendali linier adalah

U Mu c Lx
M 1 2 m

m 1 m 2 m

(4.13)

Dalam hal ini m = jumlah variabel masukan dan = jumlah variabel keadaan. Selanjutnya
persamaan kesalahan dan turunan persamaan kesalahan ditulis sebagai berikut:
e x xm
de dx dx m

Ax Bu Ax m B m u c
dt dt
dt

37

(4.14)

Dengan menambahkan dan mengurangkan dengan Amx pada sisi kanan persamaan
(4.14) akan diperoleh
de
Am e ( A Am BL) x ( BM B m )u c
dt
Am e ( Ac ( ) Am ) x ( B c ( ) BM )u c

(4.15)

Am e ( )
Untuk memperoleh persamaan ekualitas,

telah dianggap bahwa kondisi untuk

kesamaan mutlak model proses dan model acuan telah dipenuhi. Untuk menurunkan aturan
adaptasi paramater, maka diperkenalkan fungsi Lyapunov berikut:
V (e, )

1 T
(e Pe ( ) T ( ))
2

(4.16)

Matriks P adalah matriks definit positip. Fungsi V adalah fungsi definit positip. Untuk
membuktikan apakah fungsi V pada (4.16) adalah fungsi Lyapunov, maka kita menghitung
total turunan V terhadap waktu. Sehingga diperoleh:

dV
d
e T Qe ( ) T Pe ( ) T
dt
2
dt
(4.17)

T
d

e Qe ( )
T Pe
2
dt

Matriks Q adalah matriks definit positif sedemikian hingga berlaku hubungan

Am P PA m Q

(4.18)

Mengingat kembali teorema Lyapunov bahwa akan selalu dapat ditemukan pasangan
matriks definit positif P dan Q jika matriks Am adalah matriks yang menggambarkan sietem
yang stabil. Apabila dipilih aturan adaptasi parameter kendali menjadi
d
T Pe
dt

(4.19)

Dimana merupakan vektor dengan komponen (1, 2, , n , n+ ), maka diperoleh

(Catatan: sistem orde-n akan mempunyai n+ parameter kendali adaptasi )

dV
e T Qe
dt
2

(4.20)

Persamaan (4.20) menunjukkan bahwa turunan fungsi Lyapunov bersifat negatif semidefinit bukan negatif definit. Berdasarkan teori Lyapunov, hal ini mengimplikasikan bahwa
untuk variabel kesalahan e dan parameter adaptasi (1, 2, , n , n+ ) mesti dibatasi,

38

dimana batasan tersebut menjamin bahwa V(,t) < V(e, 1, 2, , n , n+ ,t) untuk t > 0,
atau fungsi Lyapunov V bersifat positif definit.
B. Penurunan dari Model Linier Pendulum Terbalik
Kendalian tak linier pendulum terbalik, akan dikendalikan oleh kendali adaptif model
acuan yang diturunkan dari model liniernya (Perhatikan Subbab 4.2.1 dan persamaan 4.7).
Dengan memilih secara bebas parameter-parameter kendalian sebagai berikut:
M = 1 kg,
0
0
A
0

m = 0.1 kg,

0
0
0.98
10.78

1
,B

1
0
0
0

= 1 m,

g = 9,8 m/dtk2, maka:

0
0
1
,C
1
0

0
1

0
, K k1
0

0
0

k4

k2

k3

k1

k2

k3

k4

k1

k2

k3

k4

(4.21)

Sehingga model acuan yang dipilih adalah

0
0

0
1

k1

0.98 k 2

k3

k4

k1

10.78 k 2

k3

k4

Am A BK

, BK

0
0

0
0

(4.22)

Aturan kendali adaptif adalah (lihat persamaan 4.13):

u Muc Lx 1uc 2 x1 3 x2 4 x3 5 x4

(4.23a)

Yang mana parameter-parameter pengendali adalah:

L 2 3 4 5

M 1 ,

(4.23b)

Sehingga
0
0
0
0

BL
3 4 5
2
1 2

1
2

0
0
3
3

0
0
5

0
0
4
4

A BL Ac

0.98 3

10.78 3

0
1

(4.24a)

(4.24b)

Selanjutnya diperoleh:

Ac Am

k1 2

k2 3

k3 4

k4 5

k1 2

k2 3

k3 4

k4 5

(4.25a)

39

 0
0

BM Bm Bc Bm
1

0
0

(4.25b)

1 1

1 1

Uraian dari komponen (term) persamaan 4.15 adalah

uC ,
1 1

1 1

0
0

0
0

0
0

x1
x
2
k 4 5 x3

k 4 5 x4

0
0

0
0

k1 2 k 2 3 k 3 4

k1 2 k 2 3 k 3 4

(4.26a)

Dengan mengaugmentasi kedua persamaan di atas maka diperoleh:

u c 1 u c

x1 k1 x1 2

x 2 k 2 x 2 3

x 3 k 3 x3 4

x 4 k 4 x 4 5

u c 1 u c

x1 k1 x1 2

x 2 k 2 x 2 3

x3 k 3 x3 4

x 4 k 4 x 4 5

(4.26b)

Dengan mengurai kembali persamaan di atas dan dengan mengganti vektor dengan
vektor ( 0), yang mana 0 adalah nilai konvergen dari maka diperoleh:

0
0

0
0

0
0

0
0

uc

uc

x1
x1

x2
x2

x3
x3

1
1

2 2

3 3

x4


x4
4
4

5 5

0
0

0
0

0
0

0
0

0
0

uc
uc

x1 k1
x1 k1

x2 k 2
x2 k 2

x3 k 3
x3 k 3

x4 k 4

x4 k 4

(4.27)
Persamaan di atas dapat diringkas dalam bentuk persamaan berikut:

(4.28)

Selanjutnya persamaan turunan kesalahan dari (4.15) telah dimodifikasi menjadi

de

Am e a
dt

(4.29)

Dan dengan menurunkan kandidat fungsi Lyapunov (4.16) dan turunannya (4.17), maka
persamaan aturan adaptasi parameter kendali (4.19) diperoleh menjadi

0
0

d
T Pe 0
dt

0
0

0
0
0
0
0

uc
x1
x2
x3
x4

uc
x1
x2

x3
x 4
40

p1
p
5
p8

p10

p5
p2
p6
p9

p8
p6
p3
p7

p10
p9
p7

p4

e1
e
2
e3

e4

(4.30)

Matriks P adalah matriks positif definit yang diperoleh seperti pada (4.18). Jadi aturan
adaptasi parameter-parameter kendali adalah:
u c p6 p9
u c p8 p10
x p p x p p
1
8
10
1
6
9

d
x 2 p8 p10 x 2 p 6 p9
dt

x3 p8 p10 x3 p 6 p9
x 4 p8 p10 x 4 p 6 p9

u c p3 p 7
x1 p3 p 7
x 2 p3 p 7
x3 p 3 p 7
x 4 p3 p 7

x' = Ax+Bu
y = Cx+Du

Signal
Generator

u c p7 p4
x1 p 7 p 4
x2 p7 p4

x3 p 7 p 4
x 4 p 7 p 4

e1
e
2
e3

e4

(4.31)

Demux
Scope

Model Acuan
Product4
p7-p4
Product

e4

Gain
p3-p7

Scope1

Gain1

Product1

p6-p9
Gain2

Product2

G2
G3
G4
G5

G1
g

g
1
s

g
1
s
1
s

1
s

In2

In3

In4

In5

In1

Scope2

e1

Gain3

Product3

-g

1
s

p8-p10

Uc

Scope4

teta1

Scope3

X1
teta2
X2
teta3

X3
teta4
X4

Pendulum
Terbalik
Pendulum
Terbalik Nonlinier
Pole-pole model acuan sebaiknya pada:
-1, -1, -1, -1

teta5

Pengendali

Gambar 4.20. Model simulasi MRAC pada sistem pendulum terbalik dengan teori
Lyapunov.
4.2.4. Hasil Simulasi
Hasil simulasi untuk mengamati kinerja pendulum terbalik yang dikendalikan oleh
kendali adaptif model acuan berbasis teori Lyapunov ditunjukkan pada Gambar 4.214.26.
Simulasi dilakukan dengan mengubah parameter-parameter kendalian dan mengamati
bagaimana kendali adaptif dapat beradaptasi terhadap perubahan tersebut.

41

S in y a l k o m a n d o U c

0.1
0.05
0
-0.05

S in y a l k e n d a li U

-0.1

20

40

60

80

100

120

20

40

60
Waktu (detik)

80

100

120

10
5
0
-5
-10

Gambar 4.21. Hasil simulasi untuk sinyal komando uc dan sinyal kendali u untuk M=1 kg,
m=0.1 kg, g=9.8, l=1m. =6. x2(0)=0.1 rad.

x1,xm1

xm1
x1

0
-1

20

40

60

80

100

x2,xm2

0.1

x3,xm3

20

40

60

80

100

0
0.2
0

120
xm3
x3

0.5

-0.5

x4,xm4

xm2
x2

0
-0.1

120

20

40

60

80

100

120
xm4
x4

-0.2
-0.4
0

20

40

60
waktu (detik)

80

100

120

Gambar 4.22. Peubah keadaan untuk M=1 kg, m=0.1 kg, g=9.8, l=1m. =6. x2(0)=0.1 rad.

42

teta1

teta4

teta3

teta2

20

40

60

80

100

120

00

20

40

60

80

100

120

20

40

60

80

100

120

20

40

60

80

100

120

20

40

60
waktu (detik)

80

100

120

5
0
-5
-5

-10
10 0
0
-10

teta5

00
-10
-20

Gambar 4.23. Parameter pengendali untuk M=1 kg, m=0.1 kg, g=9.8, l=1m. =6.
x2(0)=0.1 rad.
Gambar 4.21 4.23 menunjukkan hasil simulasi untuk nilai-nilai kendalian: M=1 kg,
m=0.1 kg, g=9.8, l=1m. Konstanta laju adaptasi dipilih =6 dan simulasi diawali dengan
nilai awal sudut pendulum sebesar 0.1 rad. Sedangkan Gambar 4.24 4.26 menunjukkan
hasil simulasi untuk nilai-nilai kendalian: M=1 kg, m=0.3 kg, g=9.8, l=0.5m. Konstanta
laju adaptasi dipilih =4 dan simulasi juga diawali dengan nilai awal sudut pendulum
sebesar 0.1 rad. Kedua rangkaian simulasi masing-masing menunjukkan sinyal komando uc
dan tanggapan sinyal kendali u, tanggapan seluruh variabel keadaan, dan parameter
kendali.
Rangkaian hasil simulasi pada Gambar 4.21 4.23 menunjukkan bahwa kendali
adaptif model acuan mampu menstabilkan sistem non linier dari pendulum terbalik. Posisi
pendulum terbalik yang dipasang pada kereta mampu dipertahankan pada posisi tegak.
Kecepatan gerak kereta dan kecepatan gerak pendulum mampu dibawa ke kondisi diam
bila kereta diberi hasutan gaya geser ke kiri dan ke kanan. Selain mampu menstabilkan,
kendali adaptif model acuan berbasis teori Lyapunov juga mampu membuat seluruh
variable keadaan sistem mentracking pergerakan model acuan.

43

S in y a l k o m a n d o U c

0.1
0.05
0
-0.05

S in y a l k e n d a li U

-0.1

20

40

60

80

100

120

20

40

60
Waktu (detik)

80

100

120

3
2
1
0
-1
-2
-3

Gambar 4.24. Hasil simulasi untuk sinyal komando uc dan sinyal kendali u untuk M=1 kg,
m=0.3 kg, g=9.8, l=0.5 m. =4. x2(0)=0.1 rad.

xm1
x1

x1,xm1

1
0
-1

x2,xm2

x3,xm3

40

60

80

100

0
0

20

40

60

80

100

0
0.2
0

120
xm3
x3

0.5

-0.5

120
xm2
x2

0.1
-0.1

x4,xm4

20

20

40

60

80

100

120
xm4
x4

-0.2
-0.4
0

20

40

60
waktu (detik)

44

80

100

120

teta1

Gambar 4.25. Peubah keadaan untuk M=1 kg, m=0.3 kg, g=9.8, l=0.5 m. =4 dan
x2(0)=0.1 rad.
3
2
1
0
20

40

60

80

100

120

20

40

60

80

100

120

20

40

60

80

100

120

-10
00

20

40

60

80

100

120

20

40

60
waktu (detik)

80

100

120

teta2

20

teta5

teta4

teta3

-2
00
-5
0
-5

-5
-10

Gambar 4.26. Parameter pengendali untuk M=1 kg, m=0.3 kg, g=9.8, l=0.5 m. =4.
x2(0)=0.1 rad.

Meskipun parameter-parameter kendalian diubah, kendali adaptif model acuan masih

mampu mengendalikan seluruh variabel keadaan sistem pendulum terbalik hingga tetap
stabil dan mampu mengikuti perilaku model acuan seperti yang diharapkan. Hal ini
ditunjukkan oleh serangkaian hasil simulasi pada 4.24 4.26.
Dari kedua rangkaian simulasi dapat disimpulkan bahwa kendali adaptif masih
mampu mempertahankan kinerjanya meskipun parameter-parameter dari model kendalian
mengalami perubahan.

45